بررسي امكان برآورد حجم سرپاي جنگل با استفاده از داده‌هاي سنجنده LISS_IV ماهواره‌ IRS_P6 (مطالعه موردي: ليره‌سر تنكابن)

Forest stand volume estimation using satellite IRS P6 (LISS IV) data (Case study: Lirehsar, Tonekabon)

برآورد حجم سرپاي جنگل اهميت زيادي از نظر كاربردهاي آن براي آگاهي از وضعيت جنگل و نحوه‌ عملكرد آن، برآورد ميزان توليد، پيش‌بيني و مدل‌سازي فشارهاي وارده به جنگل، مسايل اقتصادي و زيست‌محيطي و برنامه‌ريزي در جنگل دارد. هدف از تحقيق حاضر، ارزيابي برآورد حجم سرپاي جنگل با استفاده از داد‌ه‌هاي طيفي سنجنده‌ LISS_IV ماهواره‌ IRS_P6 در بخشي از جنگلهاي حوضه آبخيز 35 (ليره‌سر) با مساحت 1240 هكتار در استان مازندران بود. به اين منظور تعداد 87 قطعه نمونه زميني دايره‌اي به ابعاد 1/0 هكتار به روش منظم- تصادفي (سيستماتيك) برداشت و حجم سرپا در هر قطعه نمونه محاسبه گرديد. داده‌‌هاي رقومي متناظر با قطعات نمونه زميني از باندهاي طيفي استخراج و به‌عنوان متغيرهاي مستقل و حجم سرپا به‌عنوان متغير وابسته در نظر گرفته شدند. با استفاده از رگرسيون گام به گام بهترين مدل‌هاي رگرسيوني توليد و با در نظر گرفتن معيارهاي مجذور ميانگين مربعات خطا، همبستگي، مقدار F و اريبي مدل مناسب (Mb3044/0Mb3 – 19/0 - 64/8LogV =) انتخاب شد. در مدل يادشده جذر ميانگين مربعات خطا 5/32 درصد، ضريب همبستگي 83/0 و مقدار اريبي 6/12 درصد بود كه آزمون t معني‌دار بودن اين مقدار اريبي را رد كرد. نتايج نشان داد كه داده‌هاي طيفي اين ماهواره براي برآورد حجم سرپاي جنگل داراي قابليت متوسطي هستند.

Stand volume is an important criterion in forest sciences for monitoring status and function of forests, estimation of productivity, prediction and modeling of forest disturbance, economic and environmental issues and forest planning. The aim of this research is evaluation of the LISS IV sensor of IRS P6 satellite data ability for forest timber volume estimation. The study area (1240 ha) is located in watershed No. 35 (Lirehsar) of Mazandaran province. Using systematic random method, 87 circular plots with 0.1 ha area were measured to study the relationship between forest stand volume and satellite data. Correspondent digital data to plots were extracted from spectral and considered as independent variables. Original stand volume data, square root and logarithm of them were considered as dependent variables. Using stepwise regression, the best model (LogV= 8.64 - 0.19Mb3 - 0.044Rb3) respect to some criteria including RMSE, bias and correlation coefficient was chosen, while the value of criteria were 32.5%, 12.6% and 0.83%, respectively. Result showed that spectral data of the mentioned sensor have a moderate potential for stand volume estimation.